휴머노이드 로봇의 어려움은 단순히 움직이거나 사물을 인식하게 만드는 데만 있는 것이 아니라, 수많은 센서와 즉각적인 의사결정을 처리할 수 있는 컴퓨팅 및 보안 시스템을 구축하는 데 있다. 동시에 기계는 사람 가까이에서, 가정과 병원, 학교에서 작동한다. Semiconductor Engineering이 2026년 9월 3일에 게재한 분석에 따르면, 이러한 근접성 때문에 휴머노이드 로봇의 위험은 자율주행차의 위험과 다르다. 로봇의 디지털 시스템 해킹이 사람과 주변 환경에 직접적인 물리적 영향으로 이어질 수 있기 때문이다.
중앙 집중식과 분산식의 하이브리드 아키텍처
휴머노이드 로봇 설계는 강력한 중앙 컴퓨팅 장치와 사지 및 관절 가까이에 배치된 분산형 장치를 결합하는 하이브리드 모델로 향하고 있다. 중앙 장치는 전반적인 인식, 장면 이해, 계획, 로봇 수준의 동작 조정을 담당하는 반면, 더 작은 장치들은 손가락과 관절의 데이터 및 짧은 응답 시간이 필요한 로컬 제어 루프를 처리한다.
이 시스템에는 마이크로컨트롤러(MCU), 범용 프로세서, 그래픽 처리 장치, 이미지 및 신호 처리 프로세서, 그리고 인공지능을 가속하기 위한 전용 신경망 프로세서가 포함될 수 있다. Infineon Technologies의 휴머노이드 로봇 시스템 엔지니어인 Ronald Stärz는 전용 안전 제어기가 주 처리 장치와 함께 있어야 하며, 안전을 인공지능 모델에만 맡겨서는 안 된다고 지적했다.
한편 MIPI Alliance의 Physical AI Birds of a Feather 그룹 책임자인 Edo Cohen은 손과 발, 균형, 촉각 피드백에 관한 빠른 루프에 로컬 컴퓨팅이 유용하다고 본다. 반대로 중앙 집중식 방식은 부품 수와 비용, 전력 소비 측면에서 더 효율적이고 소프트웨어 개발을 단순화할 수 있다. 따라서 현재로서는 모든 용도에 적합한 단일 설계가 나타나지 않았다.
센서가 시스템의 형태를 결정한다
휴머노이드 로봇은 카메라, 마이크, 레이더, 라이다, 초음파 센서와 함께 자기식·정전식·저항식 촉각 센서로부터 데이터를 수집한다. 특히 손가락은 잡는 힘을 조절하고 물체가 부서지거나 떨어지는 것을 방지하기 위해 지속적인 피드백이 필요하다.
중앙 집중식 설계에서는 비교적 단순한 센서를 사용하고 원시 데이터를 Nvidia HoloScan과 같은 FPGA 기반 센서 브리지로 보낸 다음, Ethernet을 통해 GPU 장치로 전달해 장면을 분석할 수 있다. 이를 통해 더 많은 소형 센서를 추가하고 전력 소비의 더 큰 부분을 하나의 컴퓨팅 지점으로 이전할 수 있지만, GPU 자체가 상당한 전력을 소비할 수 있다.
반면 센서 가까이에서 처리를 분산하면 응답 시간이 줄어들고 중앙 장치에는 사전 처리된 데이터가 전달되지만, 부품과 소프트웨어, 연결 지점의 수가 증가한다. Synaptics의 Nebu Philips에 따르면, 결정은 데이터 수신과 디코딩, 이미지 처리에서부터 데이터가 집계되는 지점과 로봇의 종류에 이르기까지 전체 처리 경로에 달려 있다. 여기에는 휴머노이드 로봇인지, 협동 로봇인지, 서비스 로봇인지도 포함된다.
엣지에서 클라우드까지
로컬 컴퓨팅을 선택한다고 해서 반드시 로봇이 클라우드와 격리되는 것은 아니다. 일부 시스템은 대규모 언어 모델이나 시각·언어·행동 모델(VLA)을 학습하기 위해 데이터센터와 연결해야 할 수 있으며, 다른 애플리케이션은 장치에서 실행되는 작고 특정한 언어 모델의 이점을 활용할 수 있다.
선택은 기업의 우선순위, 즉 개인정보 보호, 데이터 통제, 운영 비용, 작업 환경의 특성, 데이터센터와의 유선 또는 무선 연결 가능 여부에 따라 달라진다. Imagination Technologies의 Matthew Bubis는 로컬 컴퓨팅과 중앙 집중식 컴퓨팅이 함께 지속될 것이라고 설명했다. 모든 기업과 작업에 적합한 단일 해법은 없기 때문이다.
자동차보다 넓은 공격 표면
휴머노이드 로봇은 센서의 높은 밀도, 인공지능 모델, 무선 통신, 이동 및 물체 조작 능력을 결합한다. 따라서 잠재적인 공격 지점에는 모델 소프트웨어, 무선 펌웨어 업데이트, 카메라 드라이버, Wi-Fi 채널, 제어 인터페이스, 지능형 에이전트를 연결하는 메커니즘이 포함된다.
Synopsys의 Dana Neustadter는 모델을 로드하거나 업데이트하는 동안 모델의 무결성이 변조될 위험과 무선 업데이트를 통한 데이터 오염 공격의 위험을 경고했다. 시각 입력을 악용하면 로봇이 잘못된 물체를 잡거나 위험 구역에 들어가거나 안전하지 않은 동작을 수행할 수 있다. 또한 중간자 공격이나 무선 통신 침해를 통해 로봇을 장악하고 명령을 보낼 수도 있다.
Secure-IC의 Sylvain Guilley는 인간과 유사한 외형이 추가적인 위험을 만들 수 있다고 본다. 예를 들어 자동화된 에이전트와 권한이 있는 사람을 구별하기 어려워지거나, 로봇이 가까운 거리에서 도청하거나 다른 사람을 사칭하는 데 사용될 수 있다. 기사에 제시된 논지에 따르면, 특히 사용자가 로봇을 인간과 같은 존재로 대할 때 음성 및 자연스러운 상호작용이 신뢰를 악용하는 통로가 될 수 있다.
실제로 무엇이 달라지는가?
개발자에게 가장 중요한 결론은 보안과 안전을 소프트웨어 계층으로 나중에 추가할 것이 아니라 칩 및 통신 아키텍처와 함께 설계해야 한다는 점이다. 참가자들이 언급한 제어 수단에는 내장형 장치 신원, 보안 부팅, 보호된 키 저장소, 암호화된 통신, 모델 실행 중 보호가 포함된다. 또한 다중 모달 인증의 중요성도 부각된다. 음성만으로는 충분하지 않을 수 있으며, 촉각이나 지문으로 보완하거나 카메라와 음성을 결합해 신원과 맥락을 확인할 수 있다.
이 자료는 MIPI 및 RISC-V 사양과 같은 개방형 표준이 공급업체에 더 많은 선택지를 제공하고 개발 주기를 단축하는 데 중요하다는 점도 언급한다. 그러나 개방성은 보안 검증과 위험 관리의 필요성을 없애지 않으며, 중앙 집중식 설계와 분산식 설계 사이의 선택을 그 자체로 결정하지도 않는다.
에너지와 비용은 여전히 핵심 제약 조건이다. GPU나 센서 장치를 과도하게 사용하면 작동 시간이 줄어들거나 가격이 상업적 타당성을 약화시키는 수준까지 상승할 수 있다. 미국의 로봇 판매액은 기사에서 언급한 Robotics Center 보고서에 따르면 2026년에 114억 달러로, 전년 대비 29% 증가했다. 그러나 휴머노이드 로봇이 더 폭넓게 확산되려면 배터리 수명 개선, 비용 절감, 시스템의 해킹 저항 능력 입증이 여전히 중요하다.
편집자 해설: 출처는 하나의 플랫폼이나 완성된 보안 솔루션을 발표하는 것이 아니라, 아키텍처가 아직 정착되지 않은 설계 단계를 그리고 있다. 실제 과제는 응답 시간, 전력 소비, 센서 수, 소프트웨어 유연성, 안전 및 보안 요구사항 사이의 균형을 맞추는 것이다. 또한 모델 조작과 인간 상호작용에 관한 경고는 로봇 보호가 칩이나 네트워크에서 끝나는 것이 아니라 에이전트의 행동과 사용자가 그 출력에 의존하는 방식까지 확장된다는 점을 보여준다. 이러한 시스템의 안전을 입증하기 위한 규제 요건의 성격과 실질적인 메커니즘은 여전히 이 자료에서 열린 질문으로 남아 있다. 자료는 여러 기업의 전문가 의견을 전달하지만 시장을 위한 통일된 표준을 제시하지는 않는다.